Python和OpenCV实现图片比对,并标记展示不同

本文介绍了使用Python 3.7.7和OpenCV 4.2.1进行图片比对的过程中遇到的问题及解决方法。在比对过程中,由于OpenCV版本过高导致错误,修复代码后,通过阈值处理和轮廓查找来标识图像差异,并成功展示比对结果。
摘要由CSDN通过智能技术生成

python版本为3.7.7,OpenCV版本为4.2.1,源码如下:

# -*- coding: utf-8 -*-
from skimage.metrics import structural_similarity
import imutils
import cv2
# 加载两张图片并将他们转换为灰度
imageA = cv2.imread(r"D:\Software\PythonProject\image\11.png")
imageB = cv2.imread(r"D:\Software\PythonProject\image\22.png")

grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)

# 计算两个灰度图像之间的结构相似度指数
(score,diff) = structural_similarity(grayA,grayB,full = True)
diff = (diff *255).astype("uint8")
print("SSIM:{}".format(score))

# 找到不同点的轮廓以致于我们可以在被标识为“不同”的区域周围放置矩形
thresh = cv2.threshold(diff, 0, 255, cv2.THRESH_BINARY_INV | cv2.<
PythonOpenCV(Open Source Computer Vision Library)结合常用于机器人视觉和机器臂应用中,包括手眼标定(Hand-Eye Calibration),这是一个关键步骤,用于同步机械臂末端执行器(如摄像头或传感器)和相机系统的位置。手眼标定有助于确保机械臂能准确地根据从摄像头捕获的图像来定位物体。 具体流程如下: 1. **安装依赖**:首先确保已安装 PythonOpenCV、NumPy 和相关库(如Scikit-image等)。 ```python pip install opencv-python numpy matplotlib ``` 2. **数据收集**:在实际环境中,让机械臂移动到固定位置,并在每个位置抓取一张目标点清晰的照片。这些照片将作为校准输入。 3. **特征检测**:使用 OpenCV 提供的关键点检测算法(如 SIFT, SURF 或 ORB)提取图像中的兴趣点。 ```python import cv2 orb = cv2.ORB_create() keypoints, descriptors = orb.detectAndCompute(image, None) ``` 4. **标记坐标**:为每个特征点标记真实世界的位置。这通常通过外部传感器(如激光测距仪或运动捕捉设备)完成。 5. **拍摄对应视图**:在相同的世界坐标系下,让机械臂模仿这些标记位置并再次拍照。 6. **匹配关键点**:通过比对两组图片的关键点描述符找到配对。 7. **拟合变换矩阵**:利用特征匹配计算出机械臂端部坐标与相机坐标之间的关系矩阵,通常是旋转和平移矩阵。 8. **验证标定结果**:在不同角度和姿态下重复上述步骤,检查校准是否稳定。 9. **保存和使用**:将校准参数存储起来,后续使用时可以通过读取参数直接调整机械臂的动作。 相关问题: 1. 手眼标定的具体应用场景有哪些? 2. 如何评估机械臂手眼标定的精度? 3. 在实际操作中如何处理手眼标定过程中可能出现的噪声或异常?
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值